通过选择性查询回溯增强基于查询的目标检测训练
计算机视觉与模式识别
2023-03-23 v3
摘要
本文研究了一种现象：基于查询的目标检测器在最后解码阶段预测错误，而在中间阶段预测正确。我们回顾训练过程，将该被忽视的现象归因于两个局限：缺乏训练重点以及解码序列的级联误差。我们设计并提出了选择性查询回溯（SQR），一种简单有效的基于查询的目标检测器训练策略。它随着解码阶段加深累积收集中间查询，并沿序贯结构之外选择性地将查询前向传播至下游阶段。如此，SQR将训练重点置于后阶段，并允许后阶段直接利用来自早阶段的中间查询。SQR可轻松插入各类基于查询的目标检测器，在不变推理流程的同时显著提升其性能。据此，我们在Adamixer、DAB-DETR和Deformable-DETR上跨多种设定（骨干网络、查询数、训练计划）应用SQR，一致带来1.4-2.8 AP的提升。
引用
@article{arxiv.2212.07593,
title = {Enhanced Training of Query-Based Object Detection via Selective Query Recollection},
author = {Fangyi Chen and Han Zhang and Kai Hu and Yu-kai Huang and Chenchen Zhu and Marios Savvides},
journal= {arXiv preprint arXiv:2212.07593},
year = {2023}
}
备注
CVPR2023